La maturità AI delle imprese italiane cresce rapidamente, tanto da portare l’Italia al primo posto in Europa insieme alla Spagna. L’adozione delle tecnologie di intelligenza artificiale, tuttavia, non si traduce ancora in una reale capacità di automatizzare i processi aziendali, integrare i workflow e governare in modo strutturato agenti, dati e rischi.
È quanto emerge dall’Enterprise AI Maturity Index 2026 di ServiceNow, realizzato insieme a ThoughtLab. Secondo la ricerca, nell’ultimo anno la spesa italiana in intelligenza artificiale è aumentata del 104%, mentre il punteggio medio di maturità AI delle organizzazioni è passato da 33 a 54 punti su 100.
Il miglioramento è significativo, ma mette anche in evidenza la distanza ancora esistente tra la diffusione degli strumenti e la trasformazione concreta dei modelli operativi.
L’Italia guida l’Europa nella maturità AI
L’Italia risulta il mercato europeo con il livello più elevato di maturità nell’adozione dell’intelligenza artificiale, primato condiviso con la Spagna.
Il 63% delle aziende italiane dichiara di utilizzare soluzioni di intelligenza artificiale agentica, vale a dire sistemi capaci non soltanto di generare contenuti o fornire suggerimenti, ma anche di pianificare attività, prendere decisioni operative ed eseguire azioni all’interno dei processi aziendali.
Il dato conferma la crescente attenzione delle imprese verso gli AI agent e verso modelli di automazione più evoluti. La semplice presenza di agenti, tuttavia, non significa che le organizzazioni siano già riuscite a costruire processi realmente autonomi.
Solo il 10% delle aziende analizzate ha infatti compiuto progressi rilevanti nella creazione di workflow in grado di operare con un livello significativo di autonomia.
La maggior parte delle imprese continua quindi a utilizzare l’AI come un insieme di assistenti separati, implementati in singole applicazioni o reparti, senza una reale orchestrazione tra dati, sistemi, persone e funzioni aziendali.
La spesa per l’intelligenza artificiale continua a crescere
La corsa agli investimenti è destinata a proseguire. Entro il 2027, le aziende italiane prevedono di destinare alle soluzioni di intelligenza artificiale il 21,4% del proprio budget IT.
La crescita della spesa mostra come l’AI sia ormai considerata una componente centrale delle strategie tecnologiche e di trasformazione digitale. Il rischio, secondo lo studio, è però quello di introdurre sistemi intelligenti sopra infrastrutture frammentate, obsolete o non adeguatamente integrate.
L’intelligenza artificiale può accelerare le attività, migliorare la produttività e aumentare la capacità decisionale. Quando viene applicata a processi inefficienti o a sistemi legacy non comunicanti, può però amplificare le criticità già presenti.
L’adozione dell’AI, da sola, non risolve problemi strutturali relativi alla qualità dei dati, all’integrazione applicativa o alla gestione dei workflow. Senza una modernizzazione dell’architettura tecnologica, il rischio è moltiplicare strumenti e progetti pilota senza riuscire a trasferirli stabilmente negli ambienti di produzione.
Sistemi legacy e dati frenano l’automazione
Uno degli ostacoli principali riguarda la frammentazione delle infrastrutture aziendali. Soltanto il 16% delle organizzazioni italiane ha sostituito i sistemi legacy disconnessi con una piattaforma integrata.
Questo significa che, nella maggior parte dei casi, agenti e applicazioni AI devono operare all’interno di ambienti costituiti da software differenti, database separati, applicazioni cloud, strumenti dipartimentali e procedure sviluppate in momenti diversi.
In assenza di un livello comune di orchestrazione, l’AI rischia di rimanere confinata a singoli casi d’uso, senza riuscire a seguire un processo dall’inizio alla fine.
Il problema è particolarmente evidente nella gestione dei dati. Il 73% delle imprese segnala difficoltà legate all’accuratezza, all’accessibilità o alla gestione delle informazioni.
Gli agenti AI dipendono dalla qualità dei dati che ricevono. Informazioni incomplete, incoerenti, duplicate o non aggiornate possono produrre risultati errati e decisioni poco affidabili, soprattutto quando i sistemi sono autorizzati a eseguire automaticamente determinate azioni.
La qualità dei dati diventa quindi una condizione preliminare per estendere l’intelligenza artificiale a processi critici e per aumentare il livello di autonomia operativa.
Solo il 14% ha integrato i workflow con l’AI
La difficoltà non riguarda soltanto l’infrastruttura tecnologica. Appena il 14% delle organizzazioni italiane ha semplificato e integrato i workflow tra le diverse funzioni aziendali utilizzando l’intelligenza artificiale.
Molte implementazioni continuano a concentrarsi su singole attività: generazione di testi, assistenza agli utenti, ricerca di informazioni, riepilogo di documenti o automazione di operazioni ripetitive.
Il passaggio successivo consiste nel collegare queste capacità all’interno di un unico flusso operativo. Un processo realmente orchestrato deve poter attraversare più sistemi, coinvolgere diversi reparti, verificare autorizzazioni, utilizzare dati aggiornati, gestire eccezioni e mantenere il controllo umano nei passaggi più delicati.
Senza questa integrazione, gli agenti rimangono strumenti isolati e il loro impatto complessivo sull’organizzazione risulta limitato.
La vera maturità AI non dipende quindi dal numero di soluzioni adottate, ma dalla capacità di incorporarle nei processi quotidiani e di trasformarle in un livello operativo condiviso.
Le competenze interne non crescono alla stessa velocità
Un altro elemento critico riguarda la preparazione delle persone. Il 65% delle organizzazioni non dispone di piani a lungo termine per supportare i dipendenti nell’utilizzo dell’intelligenza artificiale.
Soltanto il 21% delle aziende ha inoltre effettuato una valutazione strutturata delle competenze AI presenti al proprio interno.
Il divario tra investimenti tecnologici e sviluppo delle competenze rischia di diventare uno dei principali fattori di rallentamento. Le aziende possono acquistare piattaforme, integrare modelli e introdurre agenti, ma senza persone in grado di comprenderne il funzionamento, valutarne i risultati e riprogettare i processi, il potenziale dell’AI resta in gran parte inutilizzato.
La formazione non deve limitarsi agli specialisti IT o ai data scientist. L’utilizzo dell’intelligenza artificiale coinvolge responsabili di funzione, operatori, manager, sviluppatori, responsabili della sicurezza, uffici legali e team di compliance.
Ogni ruolo deve comprendere quali attività possono essere automatizzate, quali decisioni richiedono supervisione e quali rischi possono derivare dall’uso improprio dei sistemi.
La governance rimane uno dei principali punti deboli
La diffusione degli AI agent rende ancora più rilevante il tema della governance. Secondo la ricerca, solo il 25% delle organizzazioni ha implementato attività strutturate di test, auditing e valutazione del rischio.
Il dato indica che molte aziende stanno aumentando l’impiego dell’intelligenza artificiale senza aver ancora definito sistemi adeguati per controllarne comportamento, affidabilità e conformità.
Quando un’applicazione si limita a suggerire un testo, gli effetti di un errore possono essere relativamente circoscritti. Quando un agente è autorizzato ad accedere a dati aziendali, modificare informazioni, avviare procedure o interagire con altri sistemi, il livello di rischio aumenta sensibilmente.
Diventa quindi necessario sapere quali agenti sono attivi, quali modelli utilizzano, a quali informazioni possono accedere, quali azioni possono compiere e chi è responsabile dei risultati prodotti.
La governance deve inoltre comprendere controlli sulla sicurezza, sulla protezione dei dati personali, sulla trasparenza delle decisioni, sulla conformità normativa e sulla possibilità di intervento umano.
Le aziende più mature ottengono un ROI del 160%
Lo studio identifica una quota di aziende che è già riuscita a colmare almeno in parte il divario tra adozione, automazione e governance.
Queste organizzazioni rappresentano circa il 21% del campione e hanno raggiunto un punteggio di maturità AI superiore a 60.
La loro caratteristica distintiva non è necessariamente una maggiore disponibilità di budget, ma la capacità di orchestrare l’intelligenza artificiale lungo processi completi, collegando dati, applicazioni, workflow e persone.
Le imprese più mature dichiarano un ritorno degli investimenti AI pari al 160% e prevedono di raggiungere il 194% nei prossimi due anni.
Registrano inoltre una produttività 5,6 volte superiore rispetto alle altre organizzazioni analizzate.
I dati suggeriscono che il valore economico dell’AI aumenta quando la tecnologia viene inserita in un modello operativo coerente. Le aziende che ottengono i risultati migliori non utilizzano l’intelligenza artificiale come uno strumento aggiuntivo, ma la integrano nell’architettura dei processi e nei meccanismi decisionali.
Dall’adozione all’orchestrazione dell’intelligenza artificiale
Secondo Filippo Giannelli, VP Italy & Israel di ServiceNow, l’Italia si trova in una posizione avanzata, ma deve ancora affrontare il passaggio più complesso: trasformare l’adozione dell’AI in una reale automazione del lavoro.
“L’AI oggi sembra essere ovunque e l’Italia è all’avanguardia, ma la sfida è riuscire a far combaciare l’impegno con lo sviluppo e la gestione di un’infrastruttura operativa che le permetta di decollare. Un maggior utilizzo di intelligenza artificiale non significa una reale automazione del lavoro ed è questo il divario da colmare. Abbiamo visto che le imprese che lo hanno fatto beneficiano di un importante miglioramento dei risultati”, afferma Giannelli.
La distinzione tra utilizzo e automazione diventerà sempre più importante. Installare un copilota o avviare un progetto basato su AI generativa può produrre benefici immediati, ma non equivale a ripensare il funzionamento dell’organizzazione.
Per ottenere un impatto strutturale, le imprese devono definire quali processi trasformare, modernizzare le infrastrutture, migliorare la qualità dei dati e stabilire regole chiare per l’utilizzo degli agenti.
Una sfida comune alle aziende dell’area EMEA
I risultati italiani riflettono una tendenza più ampia osservata nell’area EMEA. Le organizzazioni hanno generalmente compreso quali risultati vogliono ottenere dall’intelligenza artificiale, ma incontrano ancora difficoltà nell’inserirla nei workflow quotidiani.
La fase iniziale di sperimentazione sta lasciando spazio a una fase più selettiva, nella quale le aziende devono dimostrare che i progetti AI possono generare risultati misurabili, operare in sicurezza e crescere senza aumentare la complessità tecnologica.
Dati affidabili, governance e integrazione dei workflow rappresentano quindi le fondamenta necessarie per passare dai progetti pilota a implementazioni su larga scala.
La leadership italiana nella maturità AI costituisce un segnale positivo, ma il vero parametro di successo sarà la capacità delle imprese di trasformare l’elevata diffusione degli strumenti in processi autonomi, controllabili e capaci di produrre valore lungo l’intera organizzazione.
La metodologia dell’Enterprise AI Maturity Index 2026
La ricerca, commissionata da ServiceNow e condotta da ThoughtLab, ha coinvolto circa 4.700 senior executive appartenenti a organizzazioni di 16 Paesi. Il campione italiano comprende 150 intervistati.
L’indice misura la maturità dell’intelligenza artificiale attraverso sette aree: leadership, visione e strategia, management e cultura, modernizzazione dei dati, governance dell’AI, capacità di generare valore, talento e competenze e workflow basati sull’intelligenza artificiale.
A ciascuna organizzazione è stato assegnato un punteggio complessivo compreso tra 0 e 100. Il punteggio medio italiano è salito a 54, rispetto ai 33 punti registrati nell’edizione precedente.
